基于非真實感繪制的漫畫效果實現(xiàn)畢業(yè)論文

ⅡⅠ摘要非真實感繪制是計算機圖像學的一類，在動畫、藝術(shù)等領(lǐng)域有著廣泛的應用，而漫畫作為一種具有特殊代表性的藝術(shù)表現(xiàn)形式受越來越多人歡迎。漫畫的建圖、描線、上色等操作都需要人來進行操作，消耗人力和物力。本論文以實現(xiàn)圖像的漫畫效果為目的，通過使用matlab對圖像進行處理，簡要闡述了開發(fā)背景與環(huán)境，在保證圖像核心結(jié)構(gòu)不改變的情況下進行以下幾個操作：1根據(jù)需求，選擇雙邊濾波器對圖像進行濾波，達到去除噪聲，提高圖像質(zhì)量方便特征提取的目的。2分別對RGB顏色空間和Lab顏色空間進行比較，選擇更合適的進行量化處理，,?減?少?圖?像?中?的?顏?色。3根據(jù)邊緣完整性和速度的需求，選擇DOG算子進行邊緣檢測，對邊緣強度進行加強、開閉運算等操作，最后使圖像具有漫畫效果，實現(xiàn)非真實感繪制，與現(xiàn)有的其他相似方法進行比較，總結(jié)該方法達到了漫畫效果。關(guān)鍵詞:非真實感繪制雙邊濾波顏色量化邊緣檢測

ABSTRACTNon-photorealisticrenderingisonetypesofcomputericonography,itiswidelyusedinthefieldofanimation,artandotherfields.Cartoon,asaspecialrepresentativeofanartisticform,iswelcomedbymoreandmorepeople.DuetothedemandsofCartoon,whichhumanbeingsisneededtoworkonbuildpictures,DrawingLines,color,thisisthewasteofthemanpowerandthephysicalresource.Aimingatmakethephototobecartoon,thispaperbrieflydescribesthedevelopmentbackgroundandenvironmentofthewaytodealwithphotosbymatlab.Performthefollowingoperationswhileensuringtheimagewithoutchangingthecorestructureofthecase:1. Basedonneeds,abilateralfiltertoselecttheimageisfiltered,inordertoremovenoiseandimproveimagequalityforthepurposeofconveniencefeatureextraction.2. BycomparingwitheRGBcolorspaceandLabcolorspace,choosethebetteronetoachievecolorquantization，andreducethecolorsintheimage.3. Accordingtotheneedsofmarginalintegrityandspeed,Dogoperatorisusedtodoedgedetection,thenmaketheedgestrongeranduseimopenandimclose.Finallytomaketheimageseemstobecartoon,andrealizeofnon-photorealisticrendering.Comparewithotherexistingsimilarmethods,wecansumupthatthispaperachievemakingthephototobecartoon.Keywords:Non-photorealisticrendering,Bilateralfilter,Colorquantization,edgedetection.目錄目錄摘要 ⅠABSTRACT Ⅱ目錄 1第一章緒論 31.1研究背景 31.2國內(nèi)外研究狀況 41.3研究意義 6第二章漫畫效果圖像處理 72.1漫畫效果分析 72.2漫畫效果流程圖 7第三章雙邊濾波 83.1工具介紹 93.1.1Matlab簡介 93.1.2Matlab優(yōu)點 93.2濾波器簡介及選擇 103.3雙邊濾波原理 113.4實現(xiàn)雙邊濾波 133.5小結(jié) 13第四章顏色量化 154.1量化選擇 154.2實現(xiàn)量化 174.3小結(jié) 17第五章邊緣檢測 195.1領(lǐng)域運算 195.2算子的比較選擇 205.3邊緣檢測 215.4閾值處理 215.5開運算和閉運算 225.6圖像合成 235.7小結(jié) 24第六章實驗結(jié)果及對比 256.1水彩畫比較 266.2與轉(zhuǎn)描機技術(shù)比較 266.3與openCV卡通化比較 276.4與真實繪制的漫畫對比 27第七章總結(jié)與展望 29參考文獻 30致謝 32

第一章緒論1.1研究背景自從計算機圖形學出現(xiàn)開始，真實感繪制便是人們研究的一部分。真實感繪制希望通過計算機產(chǎn)生和現(xiàn)實生活中相同的圖像。而相對應的，脫離現(xiàn)實的非真實感繪制也越來越受到關(guān)注。兩者共同發(fā)展，形成各種的屬性和特點，對于不同場合，都可以發(fā)揮其特有的專長[1]。表1真實感與非真實感繪制的對比非真實感繪制是計算機圖形學中的一個研究熱點，通過使用計算機生成不具有照片的真實感,而是具有手繪風格的圖形技術(shù)便是非真實感繪制研究的內(nèi)容?？梢苑奖愕淖龀龀龈挥兴囆g(shù)表現(xiàn)力的圖像，近年越來越受到各方面的關(guān)注。它主要模擬畫種有鋼筆畫、水彩畫等等。研究非真實感繪制可以幫助我們在近來的漫畫動畫制作渲染過程中獲得更多效果的體驗，根據(jù)需求選擇不同的繪制方法。隨著技術(shù)不斷的成熟，非真實感繪制可以運用到各個方面，如基礎(chǔ)的圖像美化、動畫制作、景區(qū)風景宣傳、商業(yè)娛樂欣賞等等。所以它的價值將會越來越高。漫畫"一詞是由英文中的"Cartoon"音譯而來。也就是卡通,各國各地都有各自特殊的風格,隨著時代的發(fā)展,漫畫的風格也不斷發(fā)生著改變。一般通過歸納,夸張,變形的手法來塑造各種形象。正好符合真實感繪制的特點，利用非真實感繪制相關(guān)技術(shù)完成圖像具有漫畫效果的繪制。19世紀末，美國漫畫開始起步，一些周日報紙的副刊經(jīng)常登載連環(huán)畫,其中最早的連環(huán)漫畫RichardFeltonOutcault的“TheYellowKid”（黃衣孩童）于1896年2月16日在紐約出版。從此以后，一個全新的陽光產(chǎn)業(yè)——漫畫誕生了并蓬勃發(fā)展至今。如今,世界各國的漫畫作品在中國青少年消費市場中影響越來越大。漫畫作為一種藝術(shù)與視覺的綜合藝術(shù)形式,憑借寫實、夸張、幽默、形象擬人化等特征深受青少年喜愛。在我國的漫畫市場消費結(jié)構(gòu)調(diào)查中發(fā)現(xiàn),歐美和日本的漫畫幾乎占據(jù)了我國絕大部分的市場,尤其在青少年中非常受歡迎[2]。目前幾乎所有的卡通漫畫都是由畫師親自繪制，特別是動畫方面畫師要繪畫出每一個關(guān)鍵幀，再由其他人補全期間的其他幀，十分費事。在非真實感繪制中的另一種繪制，水彩化有部分相似的特點，在現(xiàn)有的基礎(chǔ)上，可以利用相關(guān)研究資源借鑒發(fā)揮成為漫畫圖像，是一個可以考慮發(fā)展的方向。1.2國內(nèi)外研究狀況非真實感圖形繪制的發(fā)展歷史并非不很長久,從單純處理圖像到利用繪元繪制,從利用圖像技術(shù)到利用圖形技術(shù),從二維到三維,從僅靠軟件實現(xiàn)到現(xiàn)在開始利用硬件GPU,從不可交互到可交互,均在不斷發(fā)展中。非真實感繪制最早出現(xiàn)在20世紀80年代的早期論文中,有影響力的如Strassmann(1986)和Sasada(1987)發(fā)表的論文。1990年,SaitoandTakahashi和Haeberli在Siggraph會議上發(fā)表了兩篇非常有影響力的論文。1994年,隨著幾篇論文在Siggraph會議的發(fā)表(如WinkenbachandSalesin、Salisbury)和在Eurograph-ics會議的發(fā)表(如Strothotte),這一領(lǐng)域才逐漸顯現(xiàn)出來。圖示給出了一個非真實感繪制技術(shù)的發(fā)展歷史圖[3,4]。圖1.1非真實感繪制的發(fā)展歷史上圖顯示出，在發(fā)展初期非真實感繪制技術(shù)大多在2D平面上依靠用戶交互式地實現(xiàn)，并主要集中在簡單的劃線技術(shù)上，上世紀90年代初，產(chǎn)生了一系列交互式的繪畫系統(tǒng),如Haeberli開發(fā)了一個交互式2D繪制系統(tǒng)[5]，該系統(tǒng)由用戶輸入一幅原始圖像，再通過用戶交互式的操作來改變繪筆的軌跡、顏色和形狀以達到一定效果;在之后開發(fā)的一系列對在定時曲線下的濃密間隔控制點進行數(shù)值濾波的有效工具，使得某些非真實感繪制技術(shù)從2D過渡到2D/2.5D，它在后期處理時通過利用某些附加信息來進行圖像處理。作為非真實感繪制中的一支，卡通漫畫的研究時間較短，較先由Decaudin提出了計算機自動完成卡通效果的3D場景的渲染算法，結(jié)合深度映像中的邊緣檢測得到的輪廓線，卡通著色通過OpenGL的Phong模型計算光照強度以及借助陰影圖(ShadowMap)技術(shù)取到的陰影處理渲染對象的色調(diào)部分以獲得最終的效果[6]。之后陳洪等人建立一種算法，在人臉圖像上標識了一些特征點，利用這些特征點，捕捉各種不同外貌表情夸張的類型，從而學習卡通漫畫的繪制的方法[7]。在之后的研究發(fā)展中，HolgerWinnem¨oller等人運用雙邊濾波器對目標圖像進行抽象化處理，結(jié)合DoG算子進行濾波提取了圖像的輪廓線完成卡通漫畫的實時渲染[8]。在商業(yè)影視方面，去年飽受爭議的《惡之華》采用的技術(shù)亦算是非真實感繪制的一種：轉(zhuǎn)描機技術(shù)[9]。轉(zhuǎn)描機技術(shù)是一種動畫家用來逐禎的追蹤真實運動的動畫技術(shù)。這種技術(shù)最早是把預先拍好的電影投放到毛玻璃上，然后動畫家將其描繪下來，意為將真實圖像轉(zhuǎn)換為動畫圖像。這個投影儀被稱為轉(zhuǎn)描機（Rotoscope）。1915年，MaxFleischer發(fā)明了“轉(zhuǎn)描機”(Rotoscope)，它可將真人電影中的動作，一五一十地轉(zhuǎn)描在賽璐璐片或紙上。MaxFleischer在1916年到1929年創(chuàng)作的《墨水瓶人》(OutoftheInkwell)和《小丑可可》(KokotheClown)就是利用轉(zhuǎn)描機繪畫的動畫片。到2001年后，理查德·林克萊特利用轉(zhuǎn)描機技術(shù)完成了電影《夢醒人生》和《盲區(qū)行者》，這兩部作品使得理查德重回巔峰并讓轉(zhuǎn)描機技術(shù)得以受到世人的注意[10]。雖然大眾對《惡之華》的反響十分差，但同樣也有人稱贊其敢于創(chuàng)新，將這樣的技術(shù)活用于現(xiàn)在動畫。圖1.2轉(zhuǎn)描機技術(shù)具備卡通漫畫部分特殊的水彩畫作為具有中國特色的繪畫風格，在我國已經(jīng)發(fā)展成長相當長的時間，在計算機方面的實現(xiàn)也已經(jīng)完成，最早提出水彩畫模擬方法的是1991年Small的細胞自動機(CellularAutomata)理論[11]，用來模擬顏料與水的交互作用，獲得了較為逼真的水彩畫模擬效果。隨著時代的發(fā)展，這方面技術(shù)越加進步完善，Curtis在Small工作的基礎(chǔ)上提出了一個經(jīng)典的水彩畫建模系統(tǒng)[12]，可以取得接近于真正水彩畫的效果，但它通常以較大的計算量為代價。而另一種算法利用圖像的分割、濾波與合成等技術(shù)，可以簡單繪制出自然紋理不強的水彩畫。要實現(xiàn)漫畫效果便要發(fā)現(xiàn)兩者間的不同，漫畫效果對象一般為人，人的細節(jié)特征與風景并非相差無幾，正確發(fā)現(xiàn)不同并找出對應解決辦法才能成功實現(xiàn)具備漫畫效果的圖像。1.3研究意義隨著非真實感繪制的不斷完善，非真實感繪制在各應用領(lǐng)域的使用也將不斷增多[13]：(1)藝術(shù)領(lǐng)域。非真實感繪制技術(shù)給藝術(shù)家提供了藝術(shù)創(chuàng)作的工具,允許藝術(shù)家們在繪畫過程中根據(jù)需求，強調(diào)某些細節(jié)的同時忽略其它細節(jié)。它可以生成各種不同風格的圖像。借助非真實感繪制技術(shù)，藝術(shù)家們可以更加方便地完成藝術(shù)作品。(2)科學醫(yī)學領(lǐng)域。圖像是最簡單的傳送信息的方式，相比文字它有著許多優(yōu)越性。非真實感繪制技術(shù)在表達圖像時的簡潔準確，常常被用來繪制精細程度較高的科學和醫(yī)學的插圖。(3)工業(yè)設計領(lǐng)域。在工業(yè)設計中如想要顯示一個零件圖形，關(guān)心的只是零件的輪廓尺寸等基本信息，而對其他的信息則不感興趣。這時就可以使用NPR技術(shù)來強調(diào)突出主要信息，忽略次要信息。(4)娛樂行業(yè)。非真實感繪制技術(shù)同樣可以廣泛應用于動畫、游戲、電影等娛樂產(chǎn)業(yè)。在游戲、電影中可以創(chuàng)造出許多藝術(shù)化的效果等，例如卡通風格的實時游戲等。在非真實感繪制發(fā)展完善的條件下，漫畫也有很大的市場需求。或許近幾年人們認為漫畫卡通的發(fā)展緩慢停滯，但近期《冰雪奇緣》的完美成功打破這一說辭，說明這方面的發(fā)展還有很大空間，而此次的研究動機也是基于此?，F(xiàn)在市面上有MicrosoftCartoonMaker和toonpaint等軟件實現(xiàn)照片的卡通漫畫化，說明可行性的情況下，學術(shù)性的實現(xiàn)圖像漫畫效果這一方法，對相關(guān)知識進行學習填補。

第二章漫畫效果圖像處理2.1漫畫效果分析漫畫是一種藝術(shù)形式，是用簡單而夸張的手法來描繪生活或時事的圖畫。一般運用變形、比擬、象征、暗示、影射的方法，構(gòu)成幽默詼諧的畫面或畫面組，以取得諷刺或歌頌的效果。是一種具有強烈的諷刺性或幽默感的繪畫。常采用夸張、比喻、象征等手法，諷刺、批評或歌頌某些人和事，具有較強的社會性。漫畫作為一種藝術(shù)形式存在，首先必須具有審美價值。漫畫藝術(shù)的審美價值主要表現(xiàn)在思維美學形態(tài)和視覺美學形態(tài)兩個方面，二者之間是不可分割的，他們相互依存，相互聯(lián)系，構(gòu)成了漫畫藝術(shù)美的基本形態(tài)。1、思維美學形態(tài)，任何一類藝術(shù)是通過人的思維活動來完成的，漫畫藝術(shù)也不例外。漫畫通過夸張變形，詼諧幽默和荒誕不經(jīng)等手段，表達事物的精神實質(zhì)，并向人們傳遞文學和哲學理念。欣賞者通過思維活動對這種不協(xié)調(diào)和出乎意料的狀態(tài)下，產(chǎn)生審美的愉悅和快感，并形成了審美情趣。2、視覺美學形態(tài)，眾所周知，漫畫又是視覺藝術(shù)，它囊括了一切繪畫表現(xiàn)手段，通過對漫畫作品的描繪，對漫畫主題起到了渲染和烘托作用，使漫畫主題思想深化。由于漫畫表現(xiàn)手段豐富，形式多樣化，不免使人產(chǎn)生誤解或模糊的認識，分不清有多少繪畫表現(xiàn)形式。因此，我們有必要對豐富多彩的繪畫表現(xiàn)形式進行理性和科學劃分，便于對漫畫的表現(xiàn)手段有個清楚地認識，并了解和掌握視覺美學形態(tài)。一類注重于構(gòu)思，把繪畫手段當作表達思想的載體，另一類注重漫畫的視覺藝術(shù)效果，通過細膩的刻畫來烘托漫畫的主題思想。在這次實驗中，我們暫且更關(guān)注視覺美學形態(tài)方面，在了解漫畫的基礎(chǔ)之上，將普通圖像修改增加特征，賦予它漫畫獨具的美學形態(tài)。2.2漫畫效果流程圖對圖像分析我們必須知道我們想得到的是什么樣的圖像，它的特征應該是什么。漫畫圖像的特點可以歸類為四個：1，變形夸張，這是卡通漫畫藝術(shù)的最大特點，通過這一點與現(xiàn)實圖像區(qū)分；2，高度的概括，細節(jié)的減少強調(diào)出特殊部分，更加具有視覺吸引力；3，顏色的泛用，圖像顏色較為鮮明，同一大區(qū)域中，基本以一個顏色為主，沒有細小的色塊；4，邊緣的強化，現(xiàn)實圖像很多會因為光的原因邊緣不清晰，而么漫畫因為是繪制而來，所以邊緣的保存能達到最好的效果。真實的圖片完全變成漫畫是十分艱巨的或者不可能的，而漫畫效果則是在原始圖像的基礎(chǔ)上添加漫畫的特點，使其看上去像是漫畫。這些特點的添加便是我們所需完成的，輸入圖像時一般默認為Integer，為了保證進行處理時的精確，要強制轉(zhuǎn)換為Double類型，制定流程圖如下：輸入圖像雙邊濾波噪點處理顏色量化色彩處理邊緣檢測增強邊緣輸出圖像圖2.1實現(xiàn)圖像漫畫效果流程圖

第三章雙邊濾波輸入圖像雙邊濾波噪點處理顏色量化色彩處理邊緣檢測增強邊緣輸出圖像圖2.1實現(xiàn)圖像漫畫效果流程圖3.1工具介紹3.1.1Matlab簡介論文圍繞中心Matlab軟件，通過其實現(xiàn)目的。MATLAB是一種專業(yè)的計算機程序，常被用于工程科學的矩陣數(shù)學運算。但在之后的幾年，它逐漸發(fā)展為一種極其方便靈巧的計算體系，用于解決各種重要的技術(shù)問題。在70年代中期,CleveMoler博士和他同事在美國國家科學基金的資助下開發(fā)了調(diào)用EISPACK和LINPACK的FORTRAN子程序庫。EISPACK是特征值求解FOETRAN的程序庫，LINPACK是解線性方程的程序庫。當時這兩個程序庫代表矩陣運算的最高水平。直到70年代后期,美國NewMexico大學計算機系系主任的CleveMoler,，在給學生講授線性代數(shù)課程時，想教學生使用EISPACK和LINPACK程序庫，但他發(fā)現(xiàn)學生用FORTRAN編寫接口程序很費時間，于是他開始自己動手，為學生編寫EISPACK和LINPACK的接口程序。最終CleveMoler給這個接口程序取名為MATLAB，次名字為矩陣(matrix)和實驗室(labotatory)兩個英文單詞的前三個字母的組合。在以后的數(shù)年發(fā)展里，MATLAB在眾多大學里作為教學輔助軟件使用，MATLAB到今天已經(jīng)歷了近30年的發(fā)展過程。MATLAB分為總包和其他的工具箱，伴隨著版本的不斷升級，它具有越來越全面的數(shù)值計算能力，越卓越的數(shù)據(jù)可視化能力和良好的符號計算功能，逐漸發(fā)展成為了各種學科、多種工作平臺下支持的功能強大的大型軟件，獲得廣大科技工作者的普遍認可。一方面，MATLAB可以方便實現(xiàn)數(shù)值分析、優(yōu)化分析、數(shù)據(jù)處理、自動控制、信號處理等領(lǐng)域的數(shù)學計算，另一方面，也可以快捷實現(xiàn)計算可視化、圖形繪制、場景創(chuàng)建和渲染、圖像處理、虛擬現(xiàn)實和地圖制作等分析處理工作。3.1.2Matlab優(yōu)點MATLAB語言相對于傳統(tǒng)的科技編程語言有諸多的優(yōu)點。主要包括：1.易用性MATLAB是種解釋型語言，就像各種版本的BASIC。和BASIC一樣，它簡單易用程序可用作便箋簿求打在命令行處表達式的值執(zhí)行預先寫好的大型程序。在MATLAB集成開發(fā)環(huán)境下，程序可以方便的編寫，修改和調(diào)試。這是因為這種語言極易使用，對于教育應用和快速建立新程序的原型，它是一個理想的工具。許多的編程工具使得MATLAB十分簡單易用。這些工具包括：一個集成的編譯/調(diào)試器，在線文件手冊，工作臺和擴展范例。2.平臺獨立性MATLAB支持許多的操作系統(tǒng)，提供了大量的平臺獨立的措施。在本書編寫的時侯，windows98/2000/NT和許多版本的UNIX系統(tǒng)都支持它。在一個平臺上編寫的程序，在其它平臺上一樣可以正常運行，在一個平臺上編寫的數(shù)據(jù)文件在其它平臺上一樣可以編譯。因此用戶可以根據(jù)需要把MATLAB編寫的程序移植到新平臺。3.預定義函數(shù)MATLAB帶有一個極大的預定義函數(shù)庫，它提供了許多已測試和打包過的基本工程問題的函數(shù)。例如，假設你正在編寫一個程序，這個程序要求你必須計算與輸入有關(guān)的統(tǒng)計量。在許多的語言中，你需要寫出你所編數(shù)組的下標和執(zhí)行計算所需要的函數(shù)，這些函數(shù)包括其數(shù)學意義，中值，標準誤差等。像這樣成百上千的函數(shù)已經(jīng)在MATLAB中編寫好，所以讓編程變得更加簡單。除了植入MATLAB基本語言中的大量函數(shù)，還有許多專用工具箱，以幫助用戶解決在具體領(lǐng)域的復雜問題。例如，用戶可以購買標準的工具箱以解決在信號處理，控制系統(tǒng)，通信，圖象處理，神經(jīng)網(wǎng)絡和其他許多領(lǐng)域的問題。4.機制獨立的畫圖與其他語言不同，MATLAB有許多的畫圖和圖象處理命令。MATLAB運當行時，這些繪圖和圖片將會出現(xiàn)在這臺電腦的圖象輸出設備中。此功能使得MATLAB成為一個形象化技術(shù)數(shù)據(jù)的卓越工具。5.用戶圖形界面MATLAB允許程序員為他們的程序建立一個交互式的用戶圖形界面。利用MATLAB的這種功能，程序員可以設計出相對于無經(jīng)驗的用戶可以操作的復雜的數(shù)據(jù)分析程序。6.MATLAB編譯器MATLAB的靈活性和平臺獨立性是通過將MATLAB代碼編譯成設備獨立的P代碼，然后在運行時解釋P代碼來實現(xiàn)的。Matlab程序執(zhí)行matlab語言，并提供了一個極其龐大的預定義函數(shù)庫，高效的數(shù)值計算及符號計算功能，能使我們從繁重復雜的數(shù)學運算分析中解脫出來；完備的圖形處理功能，實現(xiàn)了計算編程和結(jié)果的可視化；功能豐富的應用工具箱，提供了大量方便實用的處理工具；簡單的界面及接近數(shù)學表達式的自然化語言，便于我們學習和掌握。Matlab的這些特點使得它十分適用于我們實現(xiàn)這次目的。3.2濾波器簡介及選擇圖像濾波，即在盡量保留圖像細節(jié)特征的條件下對目標圖像的噪聲進行抑制，是圖像預處理中不可缺少的操作，其處理效果的好壞將直接影響到后續(xù)圖像處理和分析的有效性和可靠性。下面簡介幾個常見濾波器。高斯濾波是一種線性平滑濾波，適用于濾除高斯白噪聲，已廣泛應用于圖像處理的預處理階段。對圖像進行高斯濾波就是對圖像中的每個點的像素值計算，計算的準則是，由該點本身灰度值以及其鄰域內(nèi)的其他像素灰度值加權(quán)平均所得，而加權(quán)平均的權(quán)系數(shù)由二維離散高斯函數(shù)采樣并歸一化后所得[14]。均值濾波也稱為線性濾波，其采用的主要方法為鄰域平均法。線性濾波的基本原理是用均值代替原圖像中的各個像素值，即對待處理的當前像素點（x，y），選擇一個模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當前像素點（x，y），作為處理后圖像在該點上的灰度值g（x，y），即g（x，y）=1/m∑f（x，y），m為該模板中包含當前像素在內(nèi)的像素總個數(shù)。這樣的方法可以平滑圖像，速度快，算法簡單。但是無法去掉噪聲，這能微弱的減弱它[14]。中值濾波法是一種非線性平滑技術(shù)，它將每一像素點的灰度值設置為該點某鄰域窗口內(nèi)的所有像素點灰度值的中值。在圖像處理中，中值濾波常用來保護邊緣信息,是經(jīng)典的平滑噪聲的方法，該方法法對消除椒鹽噪音非常有效，在光學測量條紋圖象的相位分析處理方法中有特殊作用，但在條紋中心分析方法中作用不大[14]。雙邊濾波器（英語：BilateralFilter）是使圖像平滑化的非線性濾波器，與傳統(tǒng)的圖像平滑化算法不同，雙邊濾波器除了使用像素之間幾何上的靠近程度之外，還多考慮了像素之間的光度、色彩的差異，使雙邊濾波器能夠有效的將圖像上的噪聲去除，同時保存圖像上的邊緣訊息。a.原圖b.高斯濾波c.均值濾波d.中值濾波結(jié)果e.雙邊濾波結(jié)果圖3.1各濾波器對比根據(jù)以上幾幅圖，可以看出高斯濾波和均值濾波模糊了邊界，而中值濾波和雙邊濾波則能夠較好的保存圖像的邊界信息。為此，選擇雙邊濾波器進行實驗。3.3雙邊濾波原理在文獻BilateralFilteringforGrayandColorImages[15]中，詳盡的解釋了雙邊濾波。雙邊濾波方法(Bilateralfiltering)是基于Gsuss濾波方法提出的，主要是針對Gauss濾波中將Gauss權(quán)系數(shù)直接與圖像信息作卷積運算進行圖像濾波的原理，將濾波權(quán)系數(shù)優(yōu)化成Gauss函數(shù)和圖像亮度信息的乘積，優(yōu)化后的權(quán)系數(shù)再與圖像信息作卷積運算，這樣就能在濾波的同時考慮到圖像信息中的圖像邊緣信息，使圖像在正常Gauss濾波后很模糊的邊緣信息得以保持清晰，并且圖像邊緣更加平滑。此方法對于彩色和灰度圖像的濾波均適用，具有很強的適用性。雙邊濾波與高斯濾波器相比，對于圖像的邊緣信息能過更好的保存。其原理為一個與空間距離相關(guān)的高斯函數(shù)與一個灰度距離相關(guān)的高斯函數(shù)相乘。零均值加性高斯噪聲圖像模型：gx,y=f式中，f表示無噪聲圖像，n是服從零均值高斯分布的噪聲，g是噪聲圖像；g(x,y)表示圖像g在位置(x,y)上的像素值。濾除噪聲圖像g中的噪聲n，重建無噪聲圖像f。雙邊濾波器采用局部加權(quán)平均的方法獲取復原圖像的像素值:f=i,j公式中，Ss,y表示中心點（x,y）的（2N+1）*（2N+1）大小的領(lǐng)域。實際上，公式（2）右邊就是中心像素點鄰域內(nèi)像素亮度值的加權(quán)平均。對該鄰域內(nèi)的每一個像素點g(i,j)由兩部分因子的成績組成，分別是下面的空間距離和灰度距離?？臻g距離：是當前目標點與中心點的歐式距離。空間域的高斯函數(shù)其數(shù)學形式為：e-其中（xi,yi）為當前點的位置，（xc,yc）為中心點的位置，sigma是空間域標準差?；叶染嚯x：是當前目標點灰度與中心點灰度想差的絕對值。值域高斯函數(shù)其數(shù)學形式為：e-其中g(shù)ray(xi,yi)為當前點灰度值，gray(xc,yc)為中心點灰度值，sigma為值域標準差。雙邊濾波中加入了對點灰度信息的權(quán)重：在鄰域內(nèi)，灰度值越是接近中心點灰度值的點的權(quán)重更大，而灰度值相差大的點權(quán)重越小。此權(quán)重大小，則由值域高斯函數(shù)來確定。兩者權(quán)重系數(shù)相乘，可以得到最終的卷積模板。因為雙邊濾波需要每個中心點鄰域的灰度信息以確定其系數(shù)，所以它的速度與比一般的濾波慢很多，并且計算量增長速度為核大小的平方?？臻g域sigma選取可以參考OpenCV參考文檔所寫：“對應高斯參數(shù)的Gaussiansigma(標準差)，如果為零，則標準差由下面的核尺寸計算：sigma=(n/2-1)*0.3+0.8，其中n=param1對應水平核，n=param2對應垂直核”。而對值域sigma來說，Sigma越大，邊緣越模糊，極限情況為simga無窮大，值域系數(shù)近似相等（忽略常數(shù)時，將近為exp（0）=1），與高斯模板（空間域模板）相乘后可認為等效于高斯濾波。sigma越小，邊緣越清晰，極限情況為simga無限接近0，值域系數(shù)近似相等（接近exp（-∞）=0），與高斯模板（空間域模板）相乘后，可近似為系數(shù)皆相等，等效于源圖像。3.4實現(xiàn)雙邊濾波選擇使用的雙邊濾波器[16]，由于要確保圖像細節(jié)的完整，sigma的值不可以過大導致模糊失真，所以選擇sigma小值，通過一次濾波后觀察是否需要繼續(xù)進行下一次。%讀入圖像，設定名字為testI=imread('test.bmp');%改變圖像精度才能進行后續(xù)操作I=im2double(I);%設定w和sigma，為雙邊濾波做準備w=z;sigma=[xy];%進行多次雙邊濾波，雙邊濾波函數(shù)見[4]I1=bfilter2(I,w,sigma);I2=bfilter2(I1,w,sigma);I3=bfilter2(I2,w,sigma);I4=bfilter2(I3,w,sigma);I4=bfilter2(I4,w,sigma);I4=bfilter2(I4,w,sigma);I4=bfilter2(I4,w,sigma);I4=bfilter2(I4,w,sigma);3.5小結(jié)本章實現(xiàn)了雙邊濾波，下圖中顯示為原圖與雙邊濾波1、2、3次后眼睛部位的對比。在sigma為[30.1]可以清晰看見原圖中眼睫毛在一次濾波后便被濾出了大部分，之后2、3次中幾乎不見眼睫毛了，對于要進行漫畫化必須強化邊緣的實驗是不允許的。 a.0次 b.1次 c.2次 d.3次a.0次 b.1次 c.2次d.8次圖3.2所以在對sigma的取值判斷中，將值設定為[2400.05]進行操作，可以看到在0.05下眼睫毛是有所保存，但是對圖像的去噪效果降低了，為了突出重點所以只能進行多次雙邊濾波，對每次的結(jié)果進行比較選擇確定次數(shù)以達到需要的效果。

第四章顏色量化4.1量化選擇顏色空間模型是指某個三維顏色空間的一個可見光子集合，它包含某個顏色區(qū)域的所有顏色。所有顏色都可以看作三個基本的顏色：紅、綠、藍的不同組合，即三基色原理。區(qū)分顏色還可以常使用三個基本的特征量：色調(diào)、飽和度和亮度。色調(diào)和混合光譜中的主要光波長相聯(lián)系，飽和度則和一定色調(diào)的純度有光，隨著白光的加入飽和度會逐漸減少。一般，常見的顏色模型有rgb（紅、綠、藍）模型、HSV（色調(diào)、飽和度、亮度）模型，Lab（亮度、顏色對立維度）模型等等。 RGB顏色空間是圖像處理中比較常見的顏色空間，當前許多現(xiàn)有的電子輸入設備普遍采用都是RGB顏色空間，如電腦顯示器、電視機、數(shù)碼相機、數(shù)碼攝像機等都是采用的RGB顏色空間。RGB顏色空間由是由紅（Red）、綠（Green）、藍（Blue）三基色構(gòu)成的顏色空間，可以用一個由紅、綠、藍三個坐標軸構(gòu)成的單位立方體來描述。坐標軸上的三個頂點表示RGB三個基色，坐標原點表示黑色，離原點最遠的角表示白色，剩余的三個頂點對應于3個補色，即品紅(紅+藍)、藍綠(綠+藍)和黃(紅+綠)。為了直觀表示RGB顏色空間，我們可以用如下圖所示的一個單位立方體來描述RGB顏色空間。在這個顏色空間中從黑到白的灰度值分布在從原點到離原點最遠頂點間的邊線上，立方體內(nèi)其余各點對應的不同顏色可以用該點到原點的向量來表示。RGB顏色空間是一種面向硬件設備的顏色空間，從RGB值中不容易判斷出該值所表示顏色，它與人們對顏色的感知心理很不相符，兩種顏色之間的知覺差異不能用該顏色空間中兩個顏色點之間的距離來度量[17]。圖4.1RGB顏色空間示意圖Lab顏色空間是國際照明委員會(CIE)于1976年定義的一種近似的均勻彩色空間。Lab顏色空間是由亮度和兩個色度分量組成。兩個色度分量分別是a分量(從綠到紅)和b分量(從藍到黃)。Lab顏色空間是與設備無關(guān)的一種顏色空間模型，無論采用什么設備創(chuàng)建的圖像或者輸出的圖像，由這種顏色模型產(chǎn)生的顏色都會保持一致。Lab顏色空間模型示意圖如下圖所示，在這一坐標系中，+a表示紅色，-a表示綠色，+b表示黃色，-b表示藍色，L的百分數(shù)表示顏色的明度[17]。圖4.2Lab顏色空間模型示意圖Lab顏色空間的特點是L通道沒有顏色，對它進行處理不會影響對比度、飽和度，而對rgb顏色空間進行圖像平滑的過程中會產(chǎn)生新的顏色，帶來顏色混亂。所以Lab顏色空間是我們要進行量化抹勻的最佳執(zhí)行環(huán)境，相反rgb空間則會因為量化大量失真，所以實現(xiàn)量化過程中，要將一般圖像的rgb顏色空間轉(zhuǎn)換為Lab顏色空間，可以利用Matlab自帶的函數(shù)：makecform、applycform實現(xiàn)兩者的相互轉(zhuǎn)換。顏色量化即人工或根據(jù)某種特定的規(guī)律來選擇多種顏色，從而組成新的調(diào)色板使用，最后根據(jù)新建的調(diào)色板來重建圖像。顏色量化的好壞對于圖像壓縮，圖像分割或者目標識別過程起著重要的作用，它是數(shù)字圖像處理中一項基礎(chǔ)而又非常重要的技術(shù)。在量化過程中，我們必須慎重選擇量化時的顏色空間，不同顏色空間帶來的量化結(jié)果可以截然不同。了解概念后，使用Lab空間顏色的亮度偽量化公式:Q=q式中qnearst是對圖像的量化，而△q表示圖像每個量化區(qū)間的寬度。由于雙曲正切函數(shù)tanh具有雙端抑制，中間過渡比較平滑的特征。在量化過程中，先對L空間進行等級的處理，結(jié)果四舍五入后再與等級想乘，為的是使結(jié)果盡量保持在[0,100]區(qū)間內(nèi)[18]，接下來在使用公式進行量化，使圖像在不同的量化區(qū)間過渡相對比較平滑，更容易獲得一種抹勻的效果。圖4.3雙曲正切函數(shù)曲線4.2實現(xiàn)量化%顏色量化B=im2double(I4);%選定量化等級quant_levels=x;dq=100/(quant_levels-1);qB=applycform(B,makecform('srgb2lab'));%對L空間進行量化后四舍五入在放入[0,100]的空間qB(:,:,1)=(1/dq)*qB(:,:,1);qB(:,:,1)=dq*round(qB(:,:,1));%量化公式qB(:,:,1)=qB(:,:,1)+(dq/2)*tanh((B(:,:,1)-qB(:,:,1)));ifexist('applycform','file')Q=applycform(qB,makecform('lab2srgb'));end4.3小結(jié)本章實現(xiàn)雙邊濾波結(jié)束后的顏色量化，量化的一個重要參數(shù)就是量化等級數(shù)quant_levels，由它來決定每個量化區(qū)間的寬度。以下為不同等級數(shù)的圖像比較：a.7 b.9 c.11a.8b.8.6圖4.4不同量化等級的比較由圖中的后者進行比較：8分成的塊域不多，但是太凸顯，沒有很好達到該分割的區(qū)域進行分割；而15的則分割太多導致出現(xiàn)類似波紋的層段，量化想要達到的效果已經(jīng)消失。最后取值為8.6如圖，算為比較好的量化，鼻子處的不同是由于量化等級的選擇而凸顯出來的一部分，可以視為夸張表示。這樣顏色的量化基本實現(xiàn)。

第五章邊緣檢測5.1領(lǐng)域運算邊緣檢測是在領(lǐng)域計算的基礎(chǔ)下實現(xiàn)的。鄰域運算是指當當前輸出圖像中每個象素是由對應的輸入象素和它一個鄰域內(nèi)的象素共同決定時的圖像運算，一般情況鄰域是遠比圖像尺寸小的一規(guī)則形狀，像是正方形2x2、3x3、4x4或用來近似表達為圓及橢圓等形狀的多邊形。信號與系統(tǒng)分析過程中的基本運算相關(guān)與卷積，到實際的圖象處理中都表現(xiàn)為鄰域運算。鄰域運算和點運算一起形成最基本、最重要的圖象處理工具。邊緣檢測的目的是對數(shù)字圖像中亮度變化明顯的點進行標識。圖像屬性中的明顯變化通常反映著屬性的重要事件和改變。這些包括了深度上的不連續(xù)、表面方向的不連續(xù)、物質(zhì)屬性的變化和場景照明的變化。圖像邊緣檢測大量減少了數(shù)據(jù)量，同時剔除了可以認為是不相關(guān)的信息，保留了圖像重要結(jié)構(gòu)屬性。有很多方法用于邊緣檢測，絕大部分可以劃分成兩類：基于查找的一類和基于零穿越的一類?；诓檎业姆椒ㄊ峭ㄟ^尋找圖像一階導數(shù)中的最大和最小值來檢測邊界，通常將邊界定位在梯度最大的方向?；诹愦┰降姆椒橥ㄟ^尋找圖像二階導數(shù)零穿越來尋找邊界，通常是Laplacian過零點或者非線性差分表示的過零點。圖5.1幾只常見算子的比較5.2算子的比較選擇由上圖[19]總結(jié)：Roberts：采用對角線方向相鄰兩像素之差表示信號的突變，性能上檢測水平和垂直方向邊緣好于斜線方向，可是對噪聲敏感，檢測出的邊緣比較細。Sobel：邊緣檢測算子是像素鄰域的計算加權(quán)和，模板中心值比較大，結(jié)果不但產(chǎn)生較好的邊緣效果，同時對噪聲也具有平滑作用。但存在偽邊緣，邊緣較粗定位精度低。Prewitt：對噪聲具有平滑作用，檢測出的結(jié)果邊緣比較粗，定位精度，但容易損失角點。Laplacian：算子二階微分算子，對于圖像中的階躍性邊緣點的定位較準確，并且對噪聲非常敏感，但是丟失一部分邊緣的方向信息，造成了一些不連續(xù)的檢測邊緣。LOG算子：首先使用高斯函數(shù)進行濾波，再使用Laplacian算子檢測邊緣，克服Laplacian算子抗噪聲能力相對差的缺點，LOG算子中高斯函數(shù)的方差參數(shù)σ的選則很關(guān)鍵，σ越大越能避免虛假邊緣的檢出，但邊緣也被平滑，造成邊緣點的丟失。σ越小，噪聲抑制能力則相對下降，容易出現(xiàn)虛假邊緣。Canny：同樣采用高斯函數(shù)對圖像進行平滑處理，所以具有較強的噪聲抑制能力；但同樣該算子也會將一些高頻邊緣平滑掉，造成邊緣丟失，采用雙閾值算法進行檢測和連接邊緣，邊緣的連續(xù)性較好。根據(jù)圖象邊緣處的一階微分應該是極值點的事實，圖像邊緣處的二階微分應為零，確定過零點的位置要比確定極值點容易得多也更加精確。但是顯然二階微分對噪聲更為敏感。為抑制噪聲，可先作平滑濾波然后再作二次微分，通常采用高斯函數(shù)作平滑濾波，故有LoG(LaplacianofGaussian)算子。在實現(xiàn)時一般用兩個不同參數(shù)的高斯函數(shù)的差DoG（DifferenceofGaussians）對圖像作卷積來近似。目的是使用二階求導的LOG算子求取邊緣可以得到比較清晰的圖像，但是計算量較大。而DOG算子計算簡單，只需要將兩個高斯平滑后的圖像F相減即能得到，執(zhí)行效率較高；其次，DOG算子檢測出的特征點穩(wěn)定性較好，與LoG檢測效果相近。作為一個增強算法，DOG可以被用來增加邊緣和其他細節(jié)的可見性，大部分的邊緣銳化算子使用增強高頻信號的方法，但是因為隨機噪聲也是高頻信號，很多銳化算子也增強了噪聲。DOG算法去除的高頻信號中通常包含了隨機噪聲，所以這種方法是最適合處理那些有高頻噪聲的圖像。這個算法的一個主要缺點就是在調(diào)整圖像對比度的過程中信息量會減少[20]。g=DOG*f(x,y)(6)[21]DOG算子：D(x,y,σ)=[G(x,y,kσ)?G(x,y,σ)]?f(x,y)=F(x,y,kσ)?F(x,y,σ)(7)5.3邊緣檢測%邊緣檢測%讀取雙邊濾波后x次的圖像f1=im2double(Ix);f1=applycform(f1,makecform('srgb2lab'));兩個高斯濾波相減求出Dog算子DoG=fspecial('gaussian',15,2)-fspecial('gaussian',15,1);使用Dog算子卷積得到邊緣Edge=imfilter(f1(:,:,1),DoG,'conv','circular');利用的是DOG算子對圖像進行卷積得到，如原理中所述，該實驗中我們一再強調(diào)保留邊緣，此時的DOG算子也是如此，而且處理的對象是剛雙邊過濾完的圖像而不是量化完的圖像，因為量化后產(chǎn)生的色差會多生產(chǎn)多余的邊緣線條，這并不是我們想要的。邊緣檢測得到結(jié)果如圖：圖5.2邊緣檢測可以看到DOG算子卷積之后得到了十分好的效果，手指部分完全的保留了下來，甚至整張圖像各處都有遺留下來的細淺條紋，特別是下巴部分，這些條紋會在恢復圖像后出現(xiàn)，使圖像變亂，不是我們想要的結(jié)果，我們將在接下來的操作中消除不需要的東西并進行其他的美化。5.4閾值處理在漫畫中，每一條邊緣都是清晰可見的，若要實現(xiàn)這一特點，就需要統(tǒng)一邊緣的強度。在我們邊緣檢測的結(jié)果中，得到了整幅圖像的邊緣，但是由于強度不一，可以看到一些很白的邊緣線，合成時它們會顯得太硬，造成人對弱一點的邊緣的忽視，而較黑的邊緣線可能在合成過程中便消失了，沒達到提取邊緣的意義。閾值處理：“閾值”命令可以將灰度或彩色圖像轉(zhuǎn)換形成高對比度的黑白圖像?？梢灾付硞€色階作為閾值。所有比閾值亮的像素轉(zhuǎn)換為白色；所有比閾值暗的像素轉(zhuǎn)換為黑色?！伴撝怠泵顚Υ_定圖像的最亮與最暗區(qū)域很有用。在圖像的二值化中常常使用閾值，并且結(jié)果嚴重依賴閾值的選擇。此次實驗中，將用閾值處理分開歸一大值和小值，達到邊緣增強，過濾細微處的效果。對圖像進行強弱邊緣的統(tǒng)一，在圖像矩陣中高于max_gradient的數(shù)值設置為max_gradient，低于min_gradient的強制歸0，這樣使得邊緣檢測圖像白色強邊緣能夠保留下來，而那些散布在各處的細小波紋會因為小于最小值而被過濾，中間還有一部分則不處理形成弱一點的邊緣，讓邊緣圖像更精致，如圖。因為最后要疊加的是L空間，同時加強邊緣的強度，所以用圖像乘以一個大于L空間最大值（100）的數(shù)值，此次選取的為130。此時得到的邊緣檢測圖像算是比較完整的了。%邊緣強度統(tǒng)一%max_gradient=;min_gradient=;Edge1=im2double(Edge);%強統(tǒng)一Edge1(Edge>max_gradient)=max_gradient;%弱統(tǒng)一Edge1(Edge<min_gradient)=0;%整體強化black1=Edge1*x;black2=im2double(black1);圖5.3強度統(tǒng)一后5.5開運算和閉運算膨脹和腐蝕運算是形態(tài)學圖像處理的基礎(chǔ)。我們之后的操作基于這兩個運算方法[22]。A被B腐蝕后用B來膨脹結(jié)果稱為開運算，形態(tài)學開運算可以完全刪除不能包含結(jié)構(gòu)元素的對象區(qū)域，達到平滑了對象的輪廓，斷開狹窄的連接，去掉細小的突出部分的效果，用函數(shù)imopen實現(xiàn)；A被B膨脹后再腐蝕稱為閉運算，閉運算一般將狹窄的缺口連接起來從而形成細長的彎口，并且填充比結(jié)構(gòu)元素小的洞，用函數(shù)imclose實現(xiàn)。而對同一圖像進行先開運算再閉運算能偶消除圖像上的雜散點。%開閉運算%創(chuàng)建一個方形的結(jié)構(gòu)元素se=strel('square',2);black3=imopen(black2,se);black3=imclose(black3,se);在直接使用圖7處理后合成最終圖，可以說是得到的預期想要的結(jié)果，但是仍有一點不足，可以看到眼眶、額頭處還殘留一些散亂的點，選擇處理這些點的方法是使用開運算之后閉運算，達到消除這些雜散點的目的。在設置好算子后，在邊緣檢測強度統(tǒng)一的圖像后，對該圖像先開運算再閉運算。結(jié)果圖因為是黑白灰度圖不夠清晰，所以展示最終結(jié)果圖的對比：a.未處理的圖像 b.經(jīng)過開閉運算的圖像圖5.4去除雜散點5.6圖像合成要將邊緣圖像加到經(jīng)過顏色量化處理的圖像上，必須將后者分離為不包含顏色圖層，基于上文所述的Lab顏色空間，在這同樣將圖像分割為L、a、b3個圖層，單獨拿出L圖層與邊緣圖像進行處理。照原理所述，L空間0為黑色，若想得到邊緣（黑色）加強的圖像，則要用原圖像的L空間矩陣減去邊緣檢測圖像（邊緣檢測圖像中邊緣為白色，即為大值），結(jié)果邊緣被減后趨近于0值使得邊緣突出。遵守目的之一要使圖像變的更鮮明，我們在這一步驟中還讓原圖像L空間加上了一個數(shù)值（15），使得圖像變得更亮一些。最后得到的L空間和之前分離的a、b空間合成為一個圖像，最終結(jié)果如圖，還有同樣操作只缺少量化的圖像，至此處理完成：%將圖像分割成3個圖層，取出亮度圖層進行處理b=f2(:,:,1);x=f2(:,:,2);y=f2(:,:,3);b1=im2double(b);l1=b1+x-black3;m2=cat(3,l1,x,y);m3=applycform(m2,makecform('lab2srgb'));imshow(m3);5.7小結(jié)在本部分經(jīng)過選擇較優(yōu)的邊緣檢測方法得到較清晰的邊緣，再由閾值處理，開閉運算優(yōu)化圖像邊緣，強化邊緣和減少散亂的點，使圖像整體質(zhì)量提高，最后達到需求的效果，完成實驗。

第六章實驗結(jié)果及對比論文第二章分別講述使用圖像濾波、顏色量化、邊緣提取強化及合成的方法，這幾個步驟集合完成漫畫效果的繪制，下面是部分實驗結(jié)果：a.原圖 b.結(jié)果圖 圖6.1a.原圖 b.效果圖圖6.2a.原圖 b.效果圖圖6.36.1水彩畫比較在盡量保持參數(shù)一樣的情況下使用[5]中提供的代碼對同一幅圖像進行處理，a.水彩效果 b.漫畫效果圖6.4水彩畫就其本身而言，具有兩個基本特征：一是畫面大多具有通透的視覺感覺；二是繪畫過程中水的流動性?？梢钥闯?，水彩畫下的圖像額頭分層更明顯，顏色的過度較柔較弱，頭發(fā)部分實現(xiàn)了水彩畫水散開的效果，對象為人，人臉沒有展示出水流的輕重。而相反，本文實現(xiàn)的圖像太強，對比度十分強，即使是高光部分，留白十分不自然，線條勾勒十分清楚，與水彩的柔和相區(qū)分。兩者都實現(xiàn)了非真實感繪制的效果，選擇時應根據(jù)需求所選。6.2與轉(zhuǎn)描機技術(shù)比較a.原圖b.轉(zhuǎn)描機c.論文實現(xiàn)圖6.5轉(zhuǎn)描機由于是有動畫家來處理，細節(jié)描繪十分準確相比下尤其是眼睛部位，人物表情還原。論文實現(xiàn)的圖像人物除了頭發(fā)細節(jié)和胡子部分不盡人意，其他部分保留在可以接受的范圍內(nèi)。背景基本丟失，不失為一種突出主題人物的漫畫效果，對于單幀的圖像實現(xiàn)效果不錯，但是相比轉(zhuǎn)描機實現(xiàn)的是視頻影視作品，算法對背景的處理需要改善加強。6.3與openCV卡通化比較在沒有openCV的支持下，直接使用書中[23]的例子結(jié)果圖進行比較：a.原圖 b.openCV c.Matlab圖6.6若要實現(xiàn)前者，步驟為1使用拉普拉斯算子提取輪廓；2使用雙邊濾波器對圖像進行平滑；3將第二步的結(jié)果填充到第一步提取到的輪廓上。兩者比較邊緣都得到放大強化，同樣經(jīng)過雙邊濾波圖像去噪相似。前者顏色背景保留完善，加強了輪廓的深度，濾波器強度較弱，對原圖的改變并不大，區(qū)分在于濾波器的次數(shù)不同，邊緣提取方式的不同，雖然拉普拉斯算子與dog算子都能保留較好的邊緣，但是前者的算法沒有對邊緣強化，輪廓并沒有后者的清晰。但本文的結(jié)果圖由于是在量化還對雜散點進行了消除，可以看出圖像的顏色變化更大，背景上的樹枝等幾乎變成了新的雜散點，人物的手指、五官顯示更為夸張，左上方的光線也由于去噪量化變成了額頭的一部分。兩者都實現(xiàn)漫畫效果，但在觀賞應用不同的角度上，選擇也應不盡相同。6.4與真實繪制的漫畫對比在網(wǎng)絡上有人對圖像進行真實繪制的漫畫圖像，對比如下：a.原圖 b.真實繪制 c.論文繪制圖6.7真實繪制的圖像有著計算機無法模擬的特征，對比算法繪制的圖像，色彩更加鮮艷，各處細節(jié)完美再現(xiàn)。算法繪制的圖像此刻缺點盡現(xiàn)，由于邊緣檢測衣服上和座位上方出現(xiàn)的雜散點讓圖像看上去很亂，有很好紋理的頭發(fā)沒有保存下來，人物表情變形等等?？梢愿倪M的方法是修改飽和度，尋找更細致有效的邊緣檢測方法，減小邊緣的寬度。經(jīng)過調(diào)整，縮小dog算子的sigma差值以縮小邊緣，通過matlab自帶函數(shù)rgb2hsv將圖像轉(zhuǎn)換到hsv顏色空間，對飽和度空間進行處理，增大它的值，使圖像更加鮮艷。改良后的圖像以更多的操作消耗為代價，與真實繪制的圖像相比更加接近，也更具有漫畫效果。圖6.8經(jīng)改良的圖像

第七章總結(jié)與展望本文采用圖像處理中的雙邊濾波、顏色量化、邊緣檢測等方法，使用Matlab2010b在window7環(huán)境下執(zhí)行代碼可行，可以看出，經(jīng)過處理的圖像具備了漫畫的部分特點，可以算是實現(xiàn)了漫畫效果。雙邊濾波方法是近年來一種較新的信號處理技術(shù)，它在圖像的去噪，圖像重建，邊緣檢測，圖像復原等等領(lǐng)域有著了廣泛的應用。雙邊濾波器既可以平滑圖像，又保持了圖像邊緣，因而能夠獲得圖像修改良好的效果。為了減少計算量，顏色量化和邊緣檢測都選擇計算量相對少的方法，Dog算子不僅滿足相對計算量小，而且能夠獲得較為清晰的邊緣，是十分實用的邊緣檢測算子。雙邊濾波和顏色量化完成了圖像漫畫效果中高度概括，抹勻顏色突出夸張，邊緣檢測強化邊緣，顯示漫畫獨特的邊緣描繪。本文實驗采用了圖像圖形學中熱點研究方法和一些基礎(chǔ)方法有機結(jié)合達到實驗目的，但這其中仍有不足可以探討改進:顏色量化后然后可能出現(xiàn)一些色塊，這些色塊的顏色梯度促成它們沒有能與附近的其他顏色融合，但實際情況下我們是希望能夠融合的，如實驗中鼻子部分的亮色塊。漫畫的主題是人，但因為背景的存在以及人各部位的不同，會因為各種函數(shù)的實現(xiàn)而出現(xiàn)不同等級的新噪點，無法達到完美的整潔效果，想要清楚便需要對圖像進行分割，對不同位置進行不同的去噪處理，但這樣不僅增大計算量，不同地方的數(shù)值選擇還會增加十分大的復雜度。雙邊濾波器作為文中計算量最大的方法，單一次便十分耗時，但為了達到較好的去噪效果，實驗中共重復了8次，消耗的時間過多，在普通生活中對照片進行一次這樣的完整運算沒人會愿意等待那么久。而toonpaint這樣的軟件，通過各種各樣具備特色的濾鏡，可以快速完成圖像的處理，數(shù)值特效根據(jù)需求改變添加，更適合日常應用。不僅是漫畫效果，非真實感繪制整體具備著十分廣闊的發(fā)展空間，隨著技術(shù)的不斷完善，實現(xiàn)的效果也越將完美，不僅包括在二維圖像，也包括三維圖像視頻的處理，如同北京電影學院的《聯(lián)合作業(yè)》一般。在這次畢業(yè)論文設計中，我更加了解了數(shù)字圖像處理的相關(guān)咨詢，結(jié)合Matlab的使用，鍛煉了運用相關(guān)專業(yè)知識、檢索相關(guān)資料用以處理問題的能力，培養(yǎng)了自己設計統(tǒng)籌額能力，是對我專業(yè)知識和基礎(chǔ)知識的檢驗和鞏固。在這次設計中暴露的自己的不足缺陷，對知識的不盡了解，遇問題都無法獨立處理，沒能改善算法達到十分完美。這些不足和遺憾會鞭策我前行，今后我更會加強自身鍛煉，關(guān)注相關(guān)方面新算法新思路，并爭取盡快的掌握這些先進的知識，一步步完整充實自己。

參考文獻蘇延輝，韋歡，費廣正非真實感繪制技術(shù)研究中國傳媒大學學報自然科學版第13卷第二期2006年6月桂斌非真實感繪制技術(shù)的研究微計算機信息2008年15期BermanDF,BartellJT,SalesinDH.MultiresolutionPaintingandCompositing[A]∥Proceedingsofthe21stannualconfe-renceoncomputergraphicsandinteracti